Adobe

OmniRoam: World Wandering via Long-Horizon Panoramic Video Generation

OmniRoam：通过长视界全景视频生成实现世界漫游

Yuheng Liu, Xin Lin, Xinke Li, Baihan Yang, Chen Wang, Kalyan Sunkavalli, Yannick Hold-Geoffroy, Hao Tan, Kai Zhang, Xiaohui Xie, Zifan Shi, Yiwei Hu

机构 * University of California, Irvine（加州大学尔湾分校） ； University of California, San Diego（加州大学圣地亚哥分校） ； City University of Hong Kong（香港城市大学） ； University of Pennsylvania（宾夕法尼亚大学） ； Adobe Research（Adobe研究院） 纠错

AI总结 本文提出OmniRoam框架，利用全景视频生成实现长视界场景漫游，通过预览和精炼阶段提升视频质量和一致性，实验表明其在视觉质量、可控性和长期一致性方面优于现有方法。

Comments Code is available at https://github.com/yuhengliu02/OmniRoam

Interview-Informed Generative Agents for Product Discovery: A Validation Study

基于访谈的生成代理在产品发现中的应用：一项验证研究

Zichao Wang, Alexa Siu

机构 * Adobe Research（Adobe研究院） 纠错

AI总结 本文探讨了基于访谈的生成代理在概念测试场景中模拟用户反馈的有效性，发现代理在群体层面响应分布上准确但个体层面不够精准，为产品开发流程中合理整合模拟提供了启示。

Comments CHI 2026 Honourable Mention

Audio Hallucination Attacks: Probing the Reliability of Large Audio Language Models

音频幻觉攻击：测试大型音频语言模型的可靠性

Ashish Seth, Sonal Kumar, Ramaneswaran Selvakumar, Nishit Anand, Utkarsh Tyagi, Prem Seetharaman, Ramani Duraiswami, Dinesh Manocha

机构 * University of Maryland, College Park（马里兰大学帕克分校） ； Adobe Research（Adobe研究院） 纠错

AI总结 本文提出Audio Hallucination Attacks，通过6500个问答对测试大型音频语言模型是否真实基于音频输入生成响应，发现其可靠性与基准性能存在差距，并提出AHA-Guard数据集降低攻击成功率。

AVA-Bench: Atomic Visual Ability Benchmark for Vision Foundation Models

AVA-Bench：用于视觉基础模型的原子视觉能力基准

Zheda Mai, Arpita Chowdhury, Zihe Wang, Sooyoung Jeon, Lemeng Wang, Jiacheng Hou, Wei-Lun Chao

机构 * The Ohio State University（俄亥俄州立大学） ； Adobe Research（Adobe研究院） ； Boston University（波士顿大学） 纠错

AI总结 AVA-Bench通过解耦14种原子视觉能力，揭示视觉基础模型的性能差异，提升模型选择的科学性与效率。

Comments Accepted by CVPR 2026. The first two authors contribute equally